AI现在很能聊了。写东西、敲代码、做方案，比大多数人强。但你让它拧一颗螺丝，把碗摆进洗碗机，走进一间从没去过的房间把桌子收拾干净——这些七八岁小孩闭着眼睛都能干的活，现在的机器人基本做不了。

这不是模型不够聪明，是它没见过。一个训练大语言模型的AI，吃的是几万亿条文本数据；一个做机器人动作的模型，见过的真实操作轨迹撑死了也就百来万条。差了三四个数量级。

"物理AI"要解决的，就是这道坎。让智能从屏幕里走出来，真正能动手。

物理AI到底跟前面两代有什么区别

网上把物理AI说得挺玄的，其实拆开看很简单。AI这几年的进化路线，差别不在"聪不聪明"，而在输出的是什么东西：

前两步都在数字世界里打转，最大的好处是可以重来。生成错了删掉，软件操作错了回滚，成本极低。

物理世界没有Ctrl+Z。杯子掉了就是掉了。传感器有误差，机械手会抖，地面摩擦力会变，一点点偏差累积起来，任务就失败。更要紧的是，一旦出错，代价不是"删掉重写"，而是设备停机、东西损坏，甚至伤到人。

所以物理AI不是"把大模型接上一台机器人"那么轻巧的事。它要重建一整套工程方法：动手之前先做仿真验证，运行中要有安全护栏，出了异常要能安全退回去。

现在卡在哪：不是脑子不行，是没怎么见过

宇树科技的王兴兴在前不久的世界物理AI大会上说了一句大白话：同一个模型，在固定场景里训练好，成功率接近100%；换一个没见过的物体、换一个环境，成功率马上就掉下来。

换个物体、换个房间，就从满分跌下去了。

这种数据差距有多要命？看一个真实的例子就明白了。

Figure公司的人形机器人Helix 2.5，2026年9月被放进30个从没见过的陌生家庭，让它做客厅整理、叠毛巾、铺床这些日常家务：

不给额外数据，零样本成功率：9%

喂了Index数据平台的预训练数据后：56%

同一个模型、同一批任务，成功率差了6倍。差距不在算法，在数据。

为什么机器人数据这么少？因为真机采集太贵了。让一台机器人一边干活一边录动作数据，一小时成本在500到1000块钱，伴随设备磨损和安全风险。你没法像爬网页文本那样，批量、便宜、快速地攒训练数据。

为什么偏偏是这三年

经常有人问，物理AI说了好几年了，到底什么时候来真的？综合一线的判断，未来两三年是窗口期。不是因为它突然变聪明了，是几个条件同时凑齐了。

1、问题性质变了：从"能不能"变成"要花多少钱" 

"模型能不能理解物理世界"——这是个科学问题，无解就是无解，不知道什么时候能解完，没法排时间表。

"喂给模型的数据够不够"——这是工程和资本问题。有产线、有算力、有标准，就能往上堆。既然能堆，速度就可预测。

2、"多喂数据就有用"这条规律，在机器人身上被验证了 

过去大家不确定：文字模型的scaling law（数据越多，能力按固定曲线上升）在具身智能这条赛道上到底成不成立？

Light-O1做了一个关键实验：把预训练数据规模从37.5亿Token扩到1200亿Token，模型预测动作的误差持续下降，而且呈幂律关系。换句话说，堆数据这条路走得通。以前是"不知道行不行"，现在是"知道行，就看谁堆得快"。

3、通用大模型开始自己长出"手" 

以前机器人智能得靠专用模型，一家企业、一台机器人单独训一套。现在通用模型在没有任何专门训练的情况下，看一眼摄像头、听一句指令，就能自己完成理解、定位和动作规划。

GPT-6 Astra接上机械臂做积木入碗，20次成了19次。但在拼圆形拼图这种精细活上，两个顶尖模型都只有2/20的成功率。真实的水平是：抓、放这类基础动作会了，要它像熟练工一样干细活，还差得远。地板抬起来了，天花板还没破。

4、数据可以"工厂化生产"了

这是最关键的一条。既然真机采集那么贵，那就换个办法：

• 合成数据：用高保真仿真环境生成，成本已经降到0.2-0.3元一条，而真机采集是500-1000元一小时。差好几个数量级。
• 第一视角数据（Ego）：让人戴着设备干活录下来，每周能新增约2万小时。
• 算力直接"炼"数据：英伟达Cosmos世界模型，本质是用算力把数据造出来，绕开了"必须去物理世界采集"这个限制

贵的数据被便宜的数据替掉，缺口的填充速度就不再受制于采集速度，而取决于算力和数据产线——这两样都是可以砸钱上量的。

5、临界点第一次被量化了

以前大家说"具身智能的ChatGPT时刻"，谁也说不清到底是个什么时刻。王兴兴给了一个可以验伪的定义：

机器人拿到一段自然语言指令，在80%的陌生场景里，能稳定完成80%的任务。

快的话2-3年，慢的话5-10年。这个标准不高——不是要机器人什么都会，是要它足够通用。而且它是可以测的：拿一批机器人放进一批陌生房间，看成功率。到没到，一测就知道。

数据工厂：谁先攒够"弹药"，谁先上桌

前面说了这么多，结论其实就一句话：物理AI的胜负手不在算法，在数据。谁能更便宜地造数据、更快地把真实运行数据收回来喂给模型、让系统越用越聪明，谁就拿到了入场券。

竞争制高点的迁移

硬件正在走向标准化，机械本体越来越难拉开差距。真正拉开差距的是三个能力：谁的高保真仿真平台成本更低、谁的工具链更一体化、谁的数据闭环转得更快。说白了，早期谁最值钱？数据。

在这个背景下，核数聚在AI数据赛道深耕了15年以上的专业数据服务商，价值正在被重估。

核数聚的打法很清晰：不做模型、不做本体、不做应用，就踏踏实实做数据基础设施。自研了智能标注平台，走"AI预标注+人工精修"路线，标注效率比纯人工提升3到5倍，数据精度做到99.5%。

从视频、点云、图像到语音、文本、VLA（视觉语言动作），核数聚的标注能力覆盖了物理AI需要的全品类数据形态。客户名单里有乐聚、鹿明、自变量、Momenta、博世、思必驰这些行业标杆——从具身智能到自动驾驶，核数聚的AI训练数据体系已经嵌入了物理AI产业链的核心环节。

更关键的是，核数聚不只是做标注。它有自己的一套完整数据生产闭环：数据采集 → 智能标注 → 定制数据集 → 持续迭代。对于想把物理AI真正落地的企业来说，找一个靠谱的数据合作伙伴，比买一堆机器人本体更紧迫——前面Figure Helix 2.5的例子已经证明了：同一台机器人，喂不喂数据，差了6倍。

这个市场有多大

先分清楚两个口径，很多报道喜欢把它们混在一起说。

市场规模（真金白银的生意）：2025年全球物理AI市场约51.3亿美元，年复合增速33.49%，到2034年突破685亿美元。这是卖出去的东西值多少钱。

产业影响总盘子：黄仁勋说的"50万亿美元"，指的是物理AI会波及多大的经济面。思略特估的4300亿欧元也在这一档。这两个数不是一个东西。

中国的底子确实厚：工业机器人密度2023年已达470台/万人，全球前列；2024年新装约29.5万台，保有量突破200万台；本土品牌份额升到57%。已经跑起来的例子也不是概念演示了——美团自动配送车累计配送近500万单，无人机开通64条航线、累计超60万单。优必选的人形机器人已经进了汽车制造产线。

这一切，背后都需要海量高质量的AI训练数据支撑。核数聚这样的数据基础设施提供商，在这条产业链里的位置会越来越关键。

真要动手，从哪下手

对企业来说

1、先搭数据闭环，别急着买机器人。Helix 2.5那个9%到56%就是答案。现在买本体，多半只是买了个采集数据的架子。把数据采集、标注、回流的整个链路跑通，比多买几台机器人重要得多。

2、三种数据搭配着用。真机数据最贵，但只有它能定义"什么是对的"；合成数据便宜，负责上规模和补长尾场景；第一视角数据补多样性。配比按场景调，原则就一条：用真机定标准，用合成做规模。

3、提前卡标准。仿真接口、数据协议、模型格式，现在还处在各家各说的阶段。等标准定了再跟，成本会高很多。

4、别一上来就想"什么都能干"。先找一个ROI能算清的场景做透。仓储物流、先进制造是第一梯队，流程规范、痛点明确、省下的钱算得出来。

对个人来说

• 别去跟通用大模型比"理解任务"那一层。那一层正在被巨头统一掉，而且是免费公开的。
• 数据侧最缺人。采集、清洗、标注、仿真场景搭建。这是合成数据工厂的用工主体，也是核数聚这样的专业数据服务商持续在扩的团队方向。
• 集成侧看"铁三角"。既懂AI、又懂某个行业的工艺、还能把系统落地的人，是现在最稀缺的复合角色。

三个冷静的提醒

第一，三年是布局窗口，不是兑现保证。王兴兴自己说了，技术从成熟到普通人广泛用上，大概率需要5到10年。大语言模型从Transformer（2017年）到ChatGPT（2022年底）走了5年，物理AI多了硬件、多了安全、多了物理世界的复杂度。把"三年"理解成"这三年该动手"，比"三年后一定爆发"稳妥得多。

第二，外部环境是硬约束。美国国防部2026年把具身智能纳入军事体系，欧盟把人形机器人归为高风险AI，日本把核心设备纳入两用物品管制。产业链不是纯粹的市场竞争。

第三，短板是明摆着的。基础算法、高端传感器、专用芯片——在这些环节我们还有差距。不要"重硬轻软"只追硬件参数，也不要"重术轻道"只盯技术突破忽视了跟产业需求的结合。